本發(fā)明涉及駕駛大數(shù)據(jù)分析領(lǐng)域，特別是涉及一種駕駛習(xí)慣數(shù)據(jù)分析方法。
背景技術(shù)：
隨著近年來國民經(jīng)濟(jì)的發(fā)展和人民生活水平的提高，我國汽車總量穩(wěn)步上升。據(jù)公安部交管局統(tǒng)計，截至2016年9月，全國機動車保有量達(dá)2.8億輛，其中汽車1.9億輛；機動車駕駛?cè)诉_(dá)3.5億人，其中汽車駕駛?cè)顺^3億人。如此龐大的車輛持有量下，交通安全形勢日漸嚴(yán)峻。交通事故造成了大量的人員傷亡和財產(chǎn)損失。數(shù)據(jù)顯示，絕大多數(shù)的交通事故原因與駕駛員的駕駛習(xí)慣密切相關(guān)。諸如超速行駛，急剎車，急啟動等不良駕駛習(xí)慣給道路安全帶來極大隱患。而目前針對駕駛員駕駛習(xí)慣統(tǒng)計分析方面的工作尚有很多不足，有待提高。
申請?zhí)枮?01510130756.2的一種駕駛習(xí)慣分析方法主要通過駕駛員腿部的動作來檢測駕駛員操作習(xí)慣，同時車輛行駛速度與加速度依靠衛(wèi)星定位與車內(nèi)移動手機。該方法可以通過針對腿部動作的傳感器和第三方硬件(gps定位與手機)結(jié)合對駕駛員的加速減速過程進(jìn)行監(jiān)控。該發(fā)明的不足為：依靠第三方硬件檢測車輛行駛數(shù)據(jù)極不準(zhǔn)確，同時針對駕駛員習(xí)慣分析的數(shù)據(jù)類型較少，無法達(dá)到全方面的分析。
技術(shù)實現(xiàn)要素：
針對現(xiàn)有技術(shù)存在的缺陷，本發(fā)明的目的在于發(fā)明一種駕駛習(xí)慣數(shù)據(jù)分析方法，克服對駕駛習(xí)慣分析中對單一數(shù)據(jù)的過于依賴，在保證實時性的前提下實現(xiàn)對駕駛員駕駛習(xí)慣的精準(zhǔn)分析。
為實現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案為：
一種駕駛習(xí)慣數(shù)據(jù)分析方法，具體步驟如下：
首先，采集多種車輛can總線數(shù)據(jù)作為樣本集，車載終端通過obd口連接車輛can總線，在不同駕駛場景下收集車輛行駛原始數(shù)據(jù)，其數(shù)據(jù)類型包括：實時車速vct，橫向加速度ala，剎車踏板百分比pb，油門踏板百分比pa，安全氣囊狀態(tài)sabrs，引擎轉(zhuǎn)速re；此外，記錄數(shù)據(jù)采集時間時的行駛狀態(tài)，并對數(shù)據(jù)進(jìn)行標(biāo)識，為了保證數(shù)據(jù)的獨一性與區(qū)分度，分為正常行駛狀態(tài)與不良行駛狀態(tài)；而后，將收集保存的原始數(shù)據(jù)集根據(jù)不同駕駛習(xí)慣進(jìn)行分類標(biāo)識存儲。
其次，在pc端對分類標(biāo)識后的原始數(shù)據(jù)集根據(jù)數(shù)據(jù)獲取時間戳進(jìn)行數(shù)據(jù)預(yù)處理，設(shè)定車載端采集can總線的時間間隔為單位時間t，對實時車速vct，剎車踏板百分比pb，油門踏板百分比pa進(jìn)行運算，通過當(dāng)前時刻數(shù)據(jù)數(shù)值減去上一時刻數(shù)據(jù)數(shù)值，并除以單位時間，獲取以下數(shù)據(jù)：行駛加速度a,單位時間油門踏板變化百分比pat，單位時間剎車踏板變化百分比pbt；將處理后的數(shù)據(jù)與橫向加速度ala，安全氣囊狀態(tài)sabrs，引擎轉(zhuǎn)速re數(shù)據(jù)與分類標(biāo)識作為樣本數(shù)據(jù)集輸入數(shù)據(jù)挖掘工具中生成決策樹模型；然后根據(jù)預(yù)測準(zhǔn)確率進(jìn)行剪枝，參數(shù)優(yōu)化操作，基于樣本集交叉預(yù)測，達(dá)到滿意分類準(zhǔn)確率后即得到最終決策樹預(yù)測模型；之后，將最終決策樹預(yù)測模型根據(jù)車載終端的開發(fā)環(huán)境進(jìn)行移植。
最后，移植后的車載終端根據(jù)輸入的數(shù)據(jù)進(jìn)行實時分類，在車輛行駛過程中，車載終端連接車輛can總線獲取實時數(shù)據(jù)，對實時數(shù)據(jù)進(jìn)行相同預(yù)處理后通過之前生成的最終決策樹預(yù)測模型進(jìn)行分類，將分類結(jié)果保存，單次駕駛過程結(jié)束后，將駕駛時間內(nèi)每個單位時間內(nèi)輸出的預(yù)測結(jié)果進(jìn)行匯總統(tǒng)計，輸出本次駕駛過程中的駕駛習(xí)慣評價。
與現(xiàn)有技術(shù)相比，本發(fā)明具有如下突出的實質(zhì)性特點和顯著的優(yōu)點：
本發(fā)明方法通過對不同場景下對車輛can總線中采集的多種原始行駛數(shù)據(jù)進(jìn)行綜合分析處理，獲取決策樹預(yù)測模型。本發(fā)明中參考的數(shù)據(jù)集更為全面，從而可以保證預(yù)測模型的高準(zhǔn)確度。然后將生成的預(yù)測模型移植至車載端，用于對can總線獲取的實時行駛數(shù)據(jù)進(jìn)行分析歸類，根據(jù)單次駕駛過程中綜合的分類結(jié)果實時生成對用戶駕駛習(xí)慣的評價。該方法基于數(shù)據(jù)挖掘，可以根據(jù)獲取的車輛單位時刻的多種數(shù)據(jù)進(jìn)行綜合分析，從而精準(zhǔn)地對駕駛習(xí)慣進(jìn)行分析。
附圖說明
圖1為一種駕駛習(xí)慣分析方法過程圖。
具體實施方式
下面結(jié)合附圖，對本發(fā)明的具體實施例做進(jìn)一步的說明。
如圖1所示，一種駕駛習(xí)慣數(shù)據(jù)分析方法，具體步驟如下：
步驟一：在不同駕駛場景下收集車輛can總線中行駛原始數(shù)據(jù)，其數(shù)據(jù)類型包括：數(shù)據(jù)采集時間戳，實時車速vct，橫向加速度ala，剎車踏板百分比pb，油門踏板百分比pa，安全氣囊狀態(tài)sabrs，引擎轉(zhuǎn)速re等。此外，記錄數(shù)據(jù)采集時間時的行駛狀態(tài)，并對數(shù)據(jù)進(jìn)行標(biāo)識，分為正常行駛狀態(tài)與不良行駛狀態(tài)。
步驟二：將標(biāo)識后的數(shù)據(jù)集放在pc端進(jìn)行預(yù)處理，根據(jù)can總線采集數(shù)據(jù)時間間隔為單位時間，對實時車速vct，剎車踏板百分比pb，油門踏板百分比pa進(jìn)行運算處理，通過當(dāng)前時刻數(shù)據(jù)數(shù)值減去上一時刻數(shù)據(jù)數(shù)值，并除以單位時間，可獲取以下數(shù)據(jù)：行駛加速度a,單位時間油門踏板變化百分比pat，單位時間剎車踏板變化百分比pbt等。將處理后的數(shù)據(jù)與橫向加速度ala，安全氣囊狀態(tài)sabrs，引擎轉(zhuǎn)速re等數(shù)據(jù)作為樣本數(shù)據(jù)集輸入pc端數(shù)據(jù)挖掘工具中生成決策樹模型。然后根據(jù)預(yù)測準(zhǔn)確率進(jìn)行剪枝，參數(shù)優(yōu)化操作，從而提高預(yù)測準(zhǔn)確率。將優(yōu)化后的決策樹預(yù)測模型導(dǎo)出，用于汽車實時行駛過程中進(jìn)行實時預(yù)測。
步驟三：汽車行駛過程中，車載終端連接can總線采集限定數(shù)據(jù)類型的實時數(shù)據(jù)。根據(jù)數(shù)據(jù)采集間隔，將同一時間段的實時數(shù)據(jù)存儲到車載終端中，參照步驟一中數(shù)據(jù)預(yù)處理步驟對車輛行駛中所采集的數(shù)據(jù)進(jìn)行預(yù)處理?；诓襟E二中移植的決策樹預(yù)測模型，對預(yù)處理后單位時間內(nèi)的實時駕駛數(shù)據(jù)進(jìn)行預(yù)測，并輸出本次單位時間內(nèi)的預(yù)測結(jié)果。本次駕駛過程結(jié)束后，將駕駛時間內(nèi)每個單位時間內(nèi)輸出的預(yù)測結(jié)果進(jìn)行匯總統(tǒng)計，輸出本次駕駛過程中的駕駛習(xí)慣評價。
本發(fā)明的創(chuàng)新點為使用決策樹對多種車輛行駛數(shù)據(jù)進(jìn)行挖掘，將生成的決策樹用于駕駛員駕駛行為的實時分析?；跊Q策樹的數(shù)據(jù)預(yù)測模型在pc端進(jìn)行生成與優(yōu)化，車載終端使用pc端生成的預(yù)測模型進(jìn)行實時數(shù)據(jù)分類。